【摘 要】
：
用户偏好用于描述用户的偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的需求信息,从而提供最接近用户请求的服务。在Web服务的应用中,用户偏好信息在很大程度上影响了服务质量评价。单个用户或者用户群体需要利用Web服务质量的评价来选择满足自己最大偏好的服务组合,用户群的偏好值计算需要一个可靠稳定的方法来计算。在分析基于QoS选择的Web服务基本构建框架和WSMS概念结构的基础上,引入了一种
【机 构】
：
国防科学技术大学C4ISR技术国防科技重点实验室
论文部分内容阅读
用户偏好用于描述用户的偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的需求信息,从而提供最接近用户请求的服务。在Web服务的应用中,用户偏好信息在很大程度上影响了服务质量评价。单个用户或者用户群体需要利用Web服务质量的评价来选择满足自己最大偏好的服务组合,用户群的偏好值计算需要一个可靠稳定的方法来计算。在分析基于QoS选择的Web服务基本构建框架和WSMS概念结构的基础上,引入了一种面向用户群偏好的EOWA算子计算方法,用来获取可靠、有效的用户群偏好向量,并进行了实例分析。
其他文献
研究了无线传感器网络的节点定位算法,提出了一种利用一个移动锚节点来实现定位的新算法。该算法利用一个移动锚节点,按照规划好的路径遍历整个网络,当移动锚节点移动到未知节点的通信半径以内,未知节点就可以接收锚节点的位置信息。当未知节点接收到三个以上的处于其通信半径上的位置信息,就可以计算出未知节点的坐标。最后,通过仿真研究了该算法的特性,仿真结果表明该定位方法在定位误差、能耗等方面均表现出良好的性能。
从构件角度出发,结合软件agent技术,提出一种能表示根据需求和环境的变化实施自主行为的E-BDI构件模型。基于高阶多型π演算理论,在现有的动态体系结构描述语言D-ADL基础上,提出一种能从运行时角度描述自适应构件的动态行为的体系结构描述语言SOS-ADL。利用SOS-ADL形式化描述E-BDI结构的自适应构件行为,使构件能根据变化的环境和需求,自主推导自身的行为,达到实现软件自适应的目的。案例说
通过在目标路口构建贝叶斯交通网(BNs),并对与此交通网相关的交通流建立非平稳季节(SARIMA)模型,采用最小二乘法(OLS)取得相应模型的最佳权重组合,对缺失数据下的城市道路短时交通流进行预测。使用重庆市某路口的交通流数据对模型进行检测,通过多种预测指标对结果进行对比分析,结果表明BNs-OLS-SARIMA把交通流的网络结构与其周期性结合在一起,对短时交通流有良好的预测效果。
首先由用户对各个QoS属性的偏好给出语言描述及其不确定度;然后通过查找对照表将其换算成各个QoS属性的权重系数;最后使用QoS属性值和权重系数进行候选服务的综合评价,得到最接近满足用户不确定偏好的候选服务。模拟实验结果证明了该方法的有效性。
为了获得精确的帧级目标位分配和提高编码质量,在JVT-G012码率控制算法的基础上,提出一种自适应的帧级位分配优化算法。该算法充分考虑帧之间纹理复杂度,弥补了JVT-G012算法中对帧目标位平均分配算法的不足。大量实验结果表明,改进后的算法在高运动或场景切换情况下,能明显提高视频编码质量,实现目标位的优化分配和输出码率的精确控制。
针对H.264/AVC标准的多模式运动估计算法编码模式复杂、计算量大的不足,提出了一种带有模式选择的方向性菱形搜索算法。基于宏块最佳编码模式的统计分析,按运动特征的不同进行分类,将运动估计的直接搜索过程改进为先进行编码模式判断,再利用改进的方向性菱形搜索算法进行块匹配搜索。实验结果表明,该算法有效地减少了搜索点数,与DS的快速搜索算法相比,编码时间减少了32%。
1临床资料80例均为2012年6月-2013年12月浙江中西医结合医院职业病诊疗中心铅中毒病例,男64例,女16例,年龄14~45岁。随机分为治疗组和对照组各40例。两组一般资料比较无统计
研究了几类典型增强学习算法的性能评估问题,包括Q-学习算法、最小二乘策略迭代(LSPI)和基于核的最小二乘策略迭代(KLSPI)算法等,重点针对Markov决策问题(MDP)的值函数平滑特性对算法性能的影响进行了研究。分别利用值函数非平滑的组合优化问题——旅行商问题(TSP)和值函数平滑的Mountain-Car运动控制问题,对不同增强学习算法的性能进行了测试和比较分析。分析了三种算法针对不同类型
阴囊湿疹是临床一种常见的皮肤病,临床大都表现为慢性或亚急性,一般该病只限于阴囊部位,有的可延及会阴或其他部位,影响了患者的生活质量。近来年,笔者应用中药加味四妙汤联
为了避免Diophantine方程求解和矩阵求逆运算,提高广义预测控制算法的实时性,对一类参数未知多变量非线性系统提出一种径向基函数神经网络的直接广义预测控制(GPC)算法。该算法将多变量非线性系统转换为多变量时变线性系统,然后利用径向基神经网络来逼近控制增量,对控制器参数向量,即网络权值中的未知向量基于跟踪误差进行自适应调整。理论证明,该方法可使跟踪误差收敛到原点的一个小邻域内。仿真结果验证了此